- 综合排序
- 最热优先
- 最新优先
- 来自专栏毛利学Python
资本资产定价模型 CAPM
fromtitle=capm&fromid=8235513&fr=aladdin 资本资产定价模型（Capital Asset Pricing Model 简称CAPM）是由美国学者夏普（William 基于这样的假设，资本资产定价模型研究的重点在于探求风险资产收益与风险的数量关系，即为了补偿某一特定程度的风险，投资者应该获得多少的报酬率。 按照β的定义，代入均衡的资本市场条件下，得到资本资产定价模型 E(ri)=rf+βim(E(rm)-rf) E(ri) 是资产i 的预期回报率 rf 是无风险利率 βim 是[[Beta系数]]，即资产 资本资产定价模型描述了该资产的风险溢价与市场的风险溢价之间的关系 E(ri)-rf =βim (E(rm) − rf) 式中，β系数是常数，称为资产β (asset beta）。 应用 在资产估值方面，资本资产定价模型主要被用来判断证券是否被市场错误定价 E（ri）=rF+[E(rM)-rF]βi 一方面，当我们获得市场组合的期望收益率的估计和该证券的风险 βi的估计时，我们就能计算市场均衡状态下证券
2.9K00发布于 2020-03-16 - 来自专栏CSDN技术头条
Uber动态定价中蕴含的算法
这个调查成功的开启了Uber动态定价的先头，随后便正式应用在任何高峰时段。动态定价的算法也十分智能，在用户等待时间有个比较陡峭的上升趋势时，便会触发该算法。 动态定价成功的从两个方面影响了供求关系。 经济学小科普：供求曲线 供求曲线模型是经济学最基础和最核心的。要分析，就要根据Uber的业务模式来确定其供求。 Uber动态定价模型中的供求关系也是非常直观的。当需求大于供给，算法会自动提高价格，减少需求提高供给，使得供需达到一个动态平衡。这个过程持续不了多久，因为当供给逐渐大于需求时，价格又会恢复到初始水平。 动态定价大比拼：Uber vs.酒店，机票，租车 在之前很多行业都比较成熟的在使用动态定价，比如酒店，机票，和租车行，高峰期也和Uber类似，比如节假日。 与其让用户无车可用，让部分用户对定价持有异议似乎更容易接受。 不理解Uber的动态定价的用户，其实是没有理解Uber作为一个市场平台的本质。主流的平台都会用供需模型来调整供应量。
1.9K101发布于 2018-02-09 - 来自专栏SaaS加速器
SaaS 成功的定价模型、策略
是的，明确定价策略对 SaaS 的成功至关重要，但这并不是那么困难。让我们深入探讨 SaaS 定价: 为什么它很重要，如何建立自己的杀手级定价策略，以及一些来自现实世界的优秀定价策略和模型的例子。 5个常用的 SaaS 定价模型 为 SaaS 产品定价有几十种方法，但大多数公司都倾向于遵循一些流行的定价模式。让我们来看看五种主要的 SaaS 定价模式，并帮助你挑选出哪种模式最适合你的业务。 基于使用量的定价模型 就像手机数据一样，价格也会随着使用量的增加而增加ーー你使用的越多，付出的代价就越大。这种模式在 SaaS 公司中并不常见，相反，它更多地用于对带宽或 API 请求收费的平台。 公司对每个用户的账户每月收取固定费率ーー例如，G Suite对每个用户收取固定费用6美元，因此10个用户每月的费用为60美元。 并且，建立在套件模型上给了 Zendesk 一个巨大的机会来优化他们面向中高端市场的产品。
3.3K30发布于 2020-06-09 - 来自专栏PPV课数据科学社区
【聚焦】Uber动态定价中蕴含的算法
这个调查成功的开启了Uber动态定价的先头，随后便正式应用在任何高峰时段。动态定价的算法也十分智能，在用户等待时间有个比较陡峭的上升趋势时，便会触发该算法。 动态定价成功的从两个方面影响了供求关系。 经济学小科普：供求曲线 供求曲线模型是经济学最基础和最核心的。要分析，就要根据Uber的业务模式来确定其供求。 Uber动态定价模型中的供求关系也是非常直观的。当需求大于供给，算法会自动提高价格，减少需求提高供给，使得供需达到一个动态平衡。这个过程持续不了多久，因为当供给逐渐大于需求时，价格又会恢复到初始水平。 如果采用动态定价，从图形来看，Q点总会比常态价格的更靠右，用户打到车也就是因为供给增加了。 ? 动态定价大比拼：Uber vs. 与其让用户无车可用，让部分用户对定价持有异议似乎更容易接受。 不理解Uber的动态定价的用户，其实是没有理解Uber作为一个市场平台的本质。主流的平台都会用供需模型来调整供应量。
2.4K70发布于 2018-04-20 - 来自专栏秋枫学习笔记
KDD18「airbnb」房屋动态定价经典方法
上一篇：推荐系统（十四）——kdd'19动态定价方法（APP-LM，APP-DES，DNN-CL） 本文所提模型主要包括三个部分： 一个二分类模型，用于预测房屋被预定的概率 一个回归模型，用于结合各种特征以及定制的损失函数进行定价预测 难点 需求估计难点 需求预估：通常做动态定价时，使得P*F(P)最大的P就是所求定价，F(P)为需求函数。其实这里的需求函数就是对应的二分类模型，他的好坏影响着最终结果。 定价难点 算法提供的动态定价建议只会被一部分商家接受，其他商家仍然会按照自己的想法来定价，并且他们的定价会偏高。因此，通过这些数据预测出来的价格可能会超出原始设定的价格范围。 （PS：正如上一篇文章所述，虽然是动态定价，但是为了防止定价过高过低，会有一个固定的范围限制） 方法 定价的总体流程如上图所示，先预测预定概率，然后采用定价策略模型进行定价，然后进行个性化。 预定概率高的可以涨点价 动态定价的价格以房东通常设定的最具代表性的价格为中心，具有可学习的增加/减少幅度，因此这里说明模型预测的价格是基于原有价格的。
1.1K20编辑于 2022-09-19 - 来自专栏KyXu
理发店与 App 定价模型
【文章介绍】 这篇文章，来从一个另类一点的角度来讲 App 的定价模型相关的内容，告诉你到底该用什么样的方式来让自己的产品实现盈利。 理发店 与 App 定价模型 铺垫够了，开始划重点了。 去理发店最烦的是什么？我最烦的就是理发的时候，旁边的人全程忽悠我办卡。忽悠你的人也知道你烦这个，但是他还是要这么干。 一般人可能一个月理发一次，做发型 …… 我 10 年也不会做一次发型，女生做头发频繁一点，那也不会每个人都一年做 12 次吧。所以理发这件事，就算是相对高频的了，靠这件事情增值，务必损失大量的客户。 【高频业务免费、低频业务付费】 如果你发现自己的产品不符合这个模型，或许可以尝试做一点改变。 又如果你发现有些业务看起来好像突破了这个模型，记得比较一下它的竞品，因为一切的“高频”和“低频”都是在特定领域的相对概念 —— 两周理发一次叫高频，一周美颜一次叫低频。----
1.1K10发布于 2019-04-11 - 来自专栏接地气学堂
定价模型，该如何做分析？
而在众多理论里，定价模型是最常见的一个。 一、理论模型 定价模型在经济学书本上有标准解法。 学术研究的基本做法，就是从现实中抽象出基础的模型框架，再结合现实，越做越深入。 所以完全没必要遇到点问题就大喊：“读书无用”“都是忽悠人的”…… 定价模型理论与现实的差异，来源于两点 第一：现实中可以制造非理性消费，违反了经济学“理性人”基本假设。 这时候，消费者更多与同类竞品比较，因此竞品远比消费者需求，更能决定价格。 所以，想做好自己企业的定价。更重要的是结合自身企业特点和业务计划的做法，而不是死磕书本，企图找出唯一正确的答案。 不止定价模型，经典模型如EOQ，AHP、概率决策等，都会遇到问题，后续再和大家慢慢分享，敬请期待哦。
1.5K30编辑于 2022-03-28 - 来自专栏前端资源
听书笔记：Uber的供需判断(动态定价系统)
Uber的供需判断（动态定价） Uber的动态定价系统（Surge Pricing）是在叫车需求量过大时采用的一种定价策略，官方称之为动态提价。 面对用户的指责，Uber只能妥协，规定在紧急情况下，取消动态定价系统。 2017的9月19号在墨西哥大地震时，Uber当地的总部运营人员按照公司规定，在大楼仍然左摇右摆的情况下关闭了Uber的动态定价系统，根据新闻报道，这次地震导致的死亡非常严重。 但是没有人知道，如果当时没有关闭Uber的动态定价系统，结果会不会好一些呢？会不会有更多的出租车司机赶到现场接走更多的人呢？ 未经允许不得转载：w3h5 » 听书笔记：Uber的供需判断(动态定价系统)
1.7K20发布于 2020-12-08 - 来自专栏数据猿
用大模型改造后，产品怎么定价？
在大模型技术引入之后，新系统可以利用复杂的数据分析和预测模型，能够实时分析社交媒体趋势、用户反馈和市场动态，从而预测特定产品的潜在需求，并自动调整营销策略以最大化ROI。 定价时，首先要深入理解大模型技术对你的产品意味着什么：它如何提升了产品的核心价值？用户因此能节省多少时间？又能获得怎样更深入的洞察？这些都是你定价时需要考虑的价值因素。 然而，这种价值定价策略并不是孤立进行的。 你还需要观察市场，了解客户对于这种技术改造后产品的接受度和支付意愿，以及竞争对手的动态。 随着市场环境的变化和技术的进一步发展，你的定价模型也应当能够适时调整。这可能意味着提供不同层次的产品版本，或是根据使用情况进行定价，以适应不同客户群体的需求和支付能力。 通过持续收集客户反馈，分析市场动态，并根据这些信息做出相应调整，可以帮助你找到那个既能反映技术价值、又符合市场需求的价格平衡点。
67020编辑于 2024-04-01 - 来自专栏数说工作室
量化投资之资本资产定价模型（CAPM）
量化投资之资本资产定价模型 （CAPM） 目录 一、前言 二、CAPM模型 1. 切点组合、分离定理与市场组合 2. 资本市场线 3. 证券市场线（资本资产定价模型） 4. （EMH）和资本资产定价模型（CAPM）。 （3）资本资产定价模型（CAPM） 证券市场线其实就是CAPM的图形形式，它的公式： ? 正是资本资产定价模型CAPM。 4. 超额收益形式的CAPM模型 （1）CAPM模型的贡献 CAPM模型是在一些假设的基础上，推导出了资产的定价模型，通过无风险利率、市场收益率、以及β系数可以得到某种资产的“理论”价格，从而帮助投资者对股票进行评价
3K120发布于 2018-04-04 - 来自专栏数说工作室
【温故】量化投资之资本资产定价模型（CAPM）
资本资产定价模型（CAPM），被称为现代金融学的基石——做量化投资，不得不从这里开始。 量化投资之资本资产定价模型 （CAPM） 目录 一、前言 二、CAPM模型 1. 证券市场线（资本资产定价模型） 4. （EMH）和资本资产定价模型（CAPM）。 （3）资本资产定价模型（CAPM） 证券市场线其实就是CAPM的图形形式，它的公式： ? 正是资本资产定价模型CAPM。 4. 超额收益形式的CAPM模型 （1）CAPM模型的贡献 CAPM模型是在一些假设的基础上，推导出了资产的定价模型，通过无风险利率、市场收益率、以及β系数可以得到某种资产的“理论”价格，从而帮助投资者对股票进行评价
2.8K100发布于 2018-04-04 - 来自专栏新零售项目实践
多端开发实战 | 基于Taro的多端动态定价系统设计与实现
引言静态定价策略已无法满足精细化运营的需求，我们也在寻求新的竞争优势。动态定价系统凭借其能依据实时供需情况、用户属性等因素智能调整价格的优势，很快被我们锁定。" 如何在多端应用中实现高效、合规的动态定价？"这是我们系统加入动态定价模块时遇到的第一个挑战。 1.3 核心模块分解/** * 动态定价核心类 * 实现商品价格的动态计算和缓存机制，包含会员价逻辑和价格熔断保护 */class DynamicPricing { constructor(productId 内容：动态生成，包含用户名 user.name、会员等级 user.level 和折扣信息（如 "您当前享受gold会员1.5折优惠"，注意这里计算方式是 (1 - 0.85) * 10 = 1.5）。 实现了包含熔断机制、会员折扣和价格缓存的完整定价流程。针对开发过程中的常见挑战提供了实用解决方案。动态定价作为电商系统的核心模块，其稳定性和性能直接影响用户体验和商业收益。
58231编辑于 2025-07-22 - 来自专栏腾讯云中间件的专栏
10月最新动态！
腾讯云中间件 - 微服务团队产品2021年10月简报： API网关：正式发布云原生网关 ，完美兼容开源 Kong 网关，为您幅度降低网关建设成本；支持条件路由插件，支持自定义认证/请求体插件。 支持 Nacos原生应用无缝迁移TSF；日志投递规则绑定部署组支持全选功能；支持 Kona JDK 11&JDK 运行环境动态切换。 整理 by 中间件小Q妹 产品最新动态 01 微服务平台 TSF ■产品介绍 稳定、高性能的微服务技术中台 # 支持方法执行分析 方法执行分析功能支持查看实例级别本地方法调用情况，方便客户进行性能调优和能力排障 # 支持 Kona JDK 11&JDK 运行环境动态切换 对于容器部署组上传镜像程序包支持 Kona JDK 11。当用户切换运行环境，在部署组动态更新 JDK 运行版本，且重启部署组生效。
1K40发布于 2021-11-09 - 来自专栏拓端tecdat
R语言中进行期权定价的Heston模型
p=12111 ---- 在本文中，我将向您展示如何模拟股票价格的Heston随机波动率模型。 Heston模型是针对具有随机波动性的期权，并于1993年申请了债券的货币期权。 对于固定的无风险利率 ，其描述为： 通过使用这种模型，可以得出欧洲看涨期权的价格 。 这是函数的描述。 rho = correlation, k = speed of mean reversion (kappa)# sigma = volatility of volatility} 现在，进行蒙特卡洛定价 我们将为3个欧洲看涨期权定价 ，具有3种不同的执行价格。我们在15年中使用100000个模拟，每个月进行一次。 0.015# Options maturitieshorizon <- 15# Options' exercise pricesstrikes <- c(140, 100, 60) 为了使用模拟Heston模型
1.2K20发布于 2020-08-07 - 来自专栏钱塘小甲子的博客
QuantLib教程（三）BS模型、二叉树模型与欧式期权定价
1.风险中性（risk-netural）与无套利假设 风险中性与无套利假设是期权定价公式的基础理论，或者说基石。我们来简单说说这两个是怎么回事吧。 我们看一下，如果要计算一个期权价格需要哪些参数的输入： 1.S0 股票当前价格 2.K期权行权价格 3.无风险利率 4.股票波动率 5.期权到期时间 6.分红率 7.期权类型，看涨看跌 3.二叉树模型 其实对期权定价的模型有很多，上的BSM只是其中的一种而已。 最后，有了上面这些值，就可以知道二叉树模型下，在t0时刻股票的价格了： ? 当然，这只是一个step。我们不断地做二叉树，坐的阶数越高，最后的价格越精确。 我们这个测试案例中，股票当前价格是9.37，执行价格是10元，三个月的看涨期权，今天的价格是0.145601234225。 利用QuantLib计算BSM模型下的期权价格就是这样。
4.7K30发布于 2019-01-28 - 来自专栏ATYUN订阅号
【业界】一种机器学习方法，用于库存受限的动态定价
Thompson发表了一篇关于贝叶斯模型(Bayesian model)算法的文章，该算法最终将被称为汤普森抽样。 其结果是一种动态定价算法，该算法结合了领域知识，具有较强的理论性能保证和良好的数值性能结果。 有趣的是，汤普森抽样在不考虑领域知识的情况下，表现却不佳。 行业应用提高了收入 所提出的动态定价算法具有很强的灵活性，适用于航空公司、互联网广告等多种行业的在线零售。 本研究报告中开发的算法已在诸如日常做市商Groupon，美国在线闪销零售商Rue La La，拉丁美洲大型在线零售商B2W Digital以及大型酿酒公司实施， Simchi-Levi和他的团队在各个零售渠道优化了公司的促销和定价
1.2K80发布于 2018-03-27 - 来自专栏AI研习社
如何构建商品定价模型？Mercari Price Suggestion Challenge 最佳方案出炉
对于我们人类来说，想要通过上面的描述为毛衣定价简直可以说是「不可能完成的任务」！ 有了自然语言处理这个利器，它是否能帮助我们解决这个问题呢？ 为了自动为商品定价，日本著名的社区电子商务服务提供商 Mercari 举办了「Mercari Price Suggestion Challenge」（http://suo.im/1wYHSn ）大赛，旨在利用商品的名称 、类型、描述等文本信息为卖家提供定价建议。 商品的类别 brand-name：品牌名称 price：商品曾经的售价，这也是我们的预测目标 shipping：运费 item_description ：对商品的文字描述 本次比赛奖池巨大，主办方一共提供了 10 数值向量化：诸如「10 data 5 scientists」这样的数据描述是一个重要的错误来源，这样的数据描述往往被直观地向量化表示为（data=10, scientists=5）。
3.3K80发布于 2018-03-28 - 来自专栏机器之心
大模型价格进入“厘”时代，豆包大模型定价每千tokens仅0.8厘
字节跳动向外一次性推出了豆包大模型的全系列模型，包括豆包通用模型pro/lite、角色扮演模型、语音合成模型、语音识别模型、声音复刻模型、Function call模型、文生图模型以及向量化模型。 通常而言，由于一般公司流量的高峰期相对集中，企业自建机房的情况下，平均每天GPU使用时间通常在8-10小时，在4-6小时的高峰期中，GPU用量可以做到效率最高，但是其他时间效率较低，平均成本会被拉高。 会上谭待宣布，豆包大模型的定价大幅低于行业价格：豆包通用模型pro-32k版，模型推理输入价格仅为0.0008元/千tokens，而市面上同规格模型的定价一般为0.12元/千，是豆包模型价格的150倍。 另外，豆包通用模型pro-128k版本，推理输入价格为0.005元/千tokens，仅是GPT4-Turbo128K （0.07元/千tokens）定价的7%。 其中，RAG知识库插件中内嵌的豆包向量模型，来自抖音和头条两大产品的底层向量库引擎，能够支持200亿的库容量，面对10万次请求能够在3-5毫秒的延迟内完成。
1.1K10编辑于 2024-05-22 - 来自专栏数据智能小站
产品动态 | 腾讯云NLP 10月最新动态
光球.jpg 10月，腾讯云AI中心下的腾讯知文NLP产品推出了新功能，部分接口的性能得到了优化提升。
3.9K71发布于 2019-11-28 - 来自专栏量化小白上分记
动态情景Alpha模型
01 WHY DCA 传统的多因子模型是在一个特定域内对所有股票一视同仁的打分，市值行业中性化后排序打分。 02 DCA-分域变量 根据上面的分析，DCA模型构建首先得有分域变量，分域变量目的是把相似的股票聚合在一起，然后用其他的因子看一看在这些变量上是否会有显著差异。 因此构建DCA模型的第一步：寻找分域变量 这部分参考了东方很早以前的一篇报告。 这里报告是用barra风险因子来分层看的，报告建议关注因子的自相关系数和覆盖度。 实证就略过了，感兴趣的童鞋可以自己尝试下 参考文献 [1]动态情景Alpha模型再思考——因子选股系列研究之十九 [2]动态情景多因子Alpha模型——因子选股系列研究之八 [3]量化多因子系列（2） ：非线性假设下的情景分析因子模型
1.1K40编辑于 2023-04-03
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号